Sprachverstehen im Störgeräusch, Fachkräftemangel, Diagnostik und Datenschutz: In einem aktuellen Eriksholm-Video ordnen Forschende ein, wo KI in der Hörgesundheitsversorgung konkret helfen kann und wo die Grenzen liegen.

Künstliche Intelligenz wird in der Hörakustik oft über Produkte diskutiert. Das Eriksholm Research Centre, Teil von Oticon, lenkt den Blick in einem aktuellen Update stärker auf die Versorgungsrealität: Welche Probleme beschäftigen Audiologinnen, Audiologen und Hörakustiker im Alltag? Und an welchen Stellen kann KI tatsächlich einen messbaren Beitrag leisten? Eriksholm hatte KI bereits als wissenschaftlichen Schwerpunkt ausgebaut, mit dem Ziel, angewandte KI und Data Science für die Hörversorgung voranzubringen.

Im Mittelpunkt steht zunächst ein Klassiker der Hörsystemversorgung: Sprachverstehen im Störgeräusch. Für viele Hörsystemträger bleibt es die zentrale Beschwerde. Machine Learning für Audioanwendungen soll hier nicht nur Nebengeräusche besser unterdrücken, sondern Hörsysteme künftig stärker an individuelle Hörsituationen anpassen. Damit rückt KI näher an eine Frage, die Praxen täglich beschäftigt: Wie lässt sich die Versorgung so personalisieren, dass sie im Alltag funktioniert?

Ein zweites Feld ist die Entscheidungsunterstützung. Bei der Anpassung von Hörsystemen müssen Fachleute zahlreiche Abwägungen treffen, etwa zwischen Verstärkung für leise und laute Signale. Falsche Entscheidungen können Komfortprobleme verursachen und im schlimmsten Fall zur Nichtnutzung führen. KI-gestützte Systeme könnten hier helfen, klinische Daten, Best-Practice-Regeln und individuelle Nutzerinformationen besser zusammenzuführen.

Dazu kommt das Erwartungsmanagement. Das Video betont: Für neue Hörsysteme gibt es keine „Quick Fix“-Lösung. Fast alle Nutzer benötigen eine Eingewöhnungsphase. KI-gesteuerte Signalverarbeitung könnte diese Phase künftig stärker begleiten, indem sich Systeme dynamischer an die Hörgewohnheiten und Präferenzen der Nutzer anpassen.

Die wachsende Zahl von Menschen mit Hörverlust erhöht den Druck zusätzlich. Die WHO geht davon aus, dass bis 2050 fast 2,5 Milliarden Menschen mit einem gewissen Grad an Hörverlust leben werden; mehr als 700 Millionen werden eine Hörrehabilitation benötigen. Gleichzeitig steigt der Bedarf an qualifizierten Fachkräften und effizienten Versorgungsprozessen.

Eriksholm sieht deshalb auch bei Terminplanung, Prozesssteuerung und Versorgungsqualität Potenzial. Klinische Daten könnten helfen, Ausfallwahrscheinlichkeiten bei Terminen besser einzuschätzen oder Anpassprozesse effizienter zu gestalten. Für Fachbetriebe ist das besonders relevant: Jede vermiedene Leerlaufzeit und jede besser vorbereitete Anpassung wirkt direkt auf Wirtschaftlichkeit und Versorgungsqualität.

Ein Schwerpunkt des Videos liegt auf Ohrabformungen als Datenquelle. Paula López Diez, Scientist bei Eriksholm, arbeitet mit großen Mengen an 3D-Daten aus Ohrabformungen. Ihr Forschungsfeld ist KI und Computational Audiology; laut Eriksholm entwickelt sie unter anderem personalisierte KI-Modelle und multimodale Werkzeuge für hörbezogene Daten.

Früher seien aus solchen Daten vor allem manuell definierte Merkmale abgeleitet worden. Heute können automatisierte KI-Pipelines komplexe Muster erkennen, die mit klassischen Verfahren schwer zu modellieren waren. Segmentierungsmodelle identifizieren anatomische Punkte, Klassifikationsmodelle ordnen Ohrformen oder Otoplastik-Typen ein. Perspektivisch sollen selbstüberwachte Verfahren helfen, Muster auf Populationsebene zu verstehen.

Für die Praxis ist der Ansatz deshalb spannend, weil er über die reine Form hinausgeht. López Diez beschreibt als Ziel, besser zu modellieren, wie die individuelle Anatomie des Gehörgangs beeinflusst, wie ein Hörsystem Schall überträgt. Es geht also um Akustik, Komfort und Materialeigenschaften. Ihr nüchterner Hinweis im Video ist dabei wichtig: „In dieser KI-Hype-Welt ist es leicht, Dinge nur deshalb zu tun, weil wir es können.“ Entscheidend sei, von klinischen Fragestellungen und Nutzerbedürfnissen auszugehen.

Der zweite Forschungsfall betrifft das Neugeborenen-Hörscreening. Heidi Bliddal Borges arbeitet bei Eriksholm in einem Projekt, das KI zur Unterstützung von Fachleuten bei der Diagnose auditorischer Hirnstammantworten, also ABR, einsetzt.

Das Thema ist hochsensibel. Frühzeitiges Screening, Diagnose und Intervention sind zentral für die Sprach-, Kommunikations- und soziale Entwicklung von Kindern. Die CDC verweist auf die EHDI-Benchmarks: Screening bis zum 1. Lebensmonat, bestätigte Diagnose bis zum 3. Monat und Frühintervention bis zum 6. Monat.

Bei der diagnostischen ABR-Auswertung ist die Interpretation jedoch anspruchsvoll. EEG-Signale sind verrauscht, nahe der Hörschwelle werden Peaks und Täler kleiner, und Artefakte können leicht als Antwort missverstanden werden. Hier sollen KI-Modelle die Auswertung robuster und perspektivisch schneller machen.

Eine reine Blackbox reicht dafür nicht. Borges betont im Video, dass Modelle erklärbar und transparent sein müssen. Das passt zum regulatorischen Umfeld in Europa: Der EU AI Act sieht für bestimmte KI-Systeme Transparenzpflichten vor, damit Nutzer wissen, wann sie mit KI interagieren oder KI-generierte Inhalte vor sich haben.

Für die Hörakustik ergibt sich daraus ein realistisches Bild: KI wird Fachkräfte nicht ersetzen. Sie kann aber dort entlasten, wo Datenmengen wachsen, Entscheidungen komplexer werden und Versorgungsprozesse unter Druck geraten. Entscheidend bleibt, ob die Systeme klinisch nachvollziehbar, datenschutzgerecht und im Alltag der Hörversorgung tatsächlich nutzbar sind.